TL;DR
OpenAI wydało GPT-6 Sol i GPT-6 Luna 22 września 2026 r., rozszerzając rodzinę GPT-6 poza Astra. Sol jest zaprojektowany do złożonego kodowania i agentowych przepływów pracy, natomiast Luna jest ukierunkowana na skupioną, powtarzalną pracę w dużej skali. Oba modele przyjmują tekst i obrazy jako wejście, generują tekst, zapewniają okno kontekstu liczące 1 050 000 tokenów i wspierają API Responses oraz Chat Completions. Ich główna różnica dotyczy ekonomiki obciążeń: Sol wydaje więcej na token, aby obsłużyć wymagające zadania, podczas gdy Luna minimalizuje koszt jednostkowy dla dobrze ograniczonych zadań.
Dla większości zespołów praktyczny punkt wyjścia jest prosty: używaj Astra do najtrudniejszej pracy end-to-end, Sol, gdy trzeba wyważyć możliwości i koszty, oraz Luna, gdy zadanie jest na tyle wąskie, że da się je automatycznie zweryfikować. Dostęp OpenAI do Sol i Luna jest aktywny. CometAPI należy sprawdzić osobno, ponieważ dostępność przez bramkę, promocje i trasowanie kont mogą różnić się od bezpośredniego wydania OpenAI.
Key Takeaways
- GPT-6 Sol to mocniejszy punkt startowy do wymagającego kodu, agentów wieloetapowych, trudnego debugowania i przepływów pracy, w których błędy generują znaczny koszt przeglądu.
- GPT-6 Luna jest zaprojektowana do skupionych, wysokowolumenowych zadań, takich jak ekstrakcja, klasyfikacja, routowanie, ustrukturyzowane podsumowania i wstępne transformacje.
- Oba modele mają takie same publikowane limity kontekstu i wyjścia, więc sama długość kontekstu nie jest powodem wyboru między nimi.
- Standardowe stawki OpenAI dla krótkiego kontekstu to $2 za wejście i $10 za wyjście na milion tokenów dla Sol, w porównaniu do $0.10 za wejście i $0.50 za wyjście dla Luna.
- Używaj Responses API do rozumowania bogatego w narzędzia. W Chat Completions wywoływanie funkcji dla Sol i Luna wymaga ustawienia reasoning_effort na none.
What Did OpenAI Release With GPT-6 Sol and Luna?
Wydanie z 22 września dodaje dwa tańsze poziomy operacyjne do rodziny GPT-6. GPT-6 Astra pozostaje najbardziej kompetentną opcją do najtrudniejszej pracy end-to-end; Sol wnosi silne rozumowanie do wymagającego kodowania i zadań agentowych przy niższej stawce za token; Luna jest zoptymalizowana do skupionej pracy, która musi być wykonywana wielokrotnie i ekonomicznie.
To coś więcej niż aktualizacja nazewnictwa. Dziennik zmian API OpenAI wymienia dokładne identyfikatory modeli gpt-6-sol i gpt-6-luna, z wejściem tekstowym i obrazowym, wyjściem tekstowym oraz dostępnością zarówno przez Responses, jak i Chat Completions. Programiści mogą więc testować modele tymi samymi reprezentatywnymi promptami i wybrać poziom na podstawie odsetka zaakceptowanych wyników, latencji, łącznej liczby tokenów, retry oraz czasu przeglądu przez człowieka — a nie tylko ceny tokena. Zobacz dziennik zmian OpenAI API oraz oficjalne porównanie modeli.
What Is GPT-6 Sol?
GPT-6 Sol to model GPT-6 OpenAI do złożonego kodowania i agentowych przepływów pracy. Jest przeznaczony do zadań wymagających trwałego rozumowania, decyzji o użyciu narzędzi i wielu kroków, w tym analizy repozytoriów, debugowania i zmian w oprogramowaniu sterowanych przez agentów. Oficjalna specyfikacja wymienia wejście tekstowe i obrazowe, wyjście tekstowe, okno kontekstu 1 050 000 tokenów, do 128 000 tokenów wyjścia oraz poziomy reasoning effort od none po max.
Sol nie jest po prostu „modelem pośrodku”. Jego wartość ekonomiczna zależy od tego, czy silniejsza wydajność w zadaniach wieloetapowych ogranicza retry, eskalacje i przeglądy. To dobry domyślny wybór, gdy niższy koszt jednostkowy Luna zostałby zniwelowany przez większą liczbę nieudanych walidacji lub większą interwencję człowieka.
What Is GPT-6 Luna?
GPT-6 Luna to skoncentrowana na efektywności opcja GPT-6 dla dobrze zdefiniowanej pracy powtarzanej w dużych wolumenach. Przykłady obejmują ekstrakcję, klasyfikację, odpowiedzi oparte na szablonach, triage wsparcia i wstępne podsumowania — pod warunkiem, że wyjścia są weryfikowane względem wymogów aplikacji. Luna ma takie samo publikowane okno kontekstu 1 050 000 tokenów i limit wyjścia 128 000 tokenów jak Sol, z wejściem tekstowym i obrazowym oraz wyjściem tekstowym.
Luna jest najatrakcyjniejsza, gdy sukces można jasno zdefiniować i tanio sprawdzić. Niska stawka za token nie daje automatycznie najniższego kosztu przepływu pracy: zespoły powinny uwzględnić retry, odrzucone wyniki, awarie downstream i czas recenzenta w swojej ocenie.
How Did GPT-6 Sol and Luna Improve Performance?
Professional and coding evaluations
W opublikowanych ewaluacjach startowych OpenAI, Sol uzyskał 33,2% na AutomationBench przy xhigh effort z szacunkowym kosztem $0.27 na zadanie; Astra przy low effort uzyskał w tym porównaniu 30,3%. Sol zdobył 68,8% na DeepSWE v1.1 przy max effort, podczas gdy Luna zdobyła 66,6% przy max effort. AutomationBench testuje przepływy pracy w różnych aplikacjach; DeepSWE testuje długohoryzontowe zadania inżynierii oprogramowania. Te liczby pochodzą z konkretnych ustawień testowych i nie ustanawiają uniwersalnej hierarchii dla każdego promptu.
Najbardziej użyteczna lekcja nie polega na tym, że jeden benchmark ogłasza uniwersalnego zwycięzcę. Chodzi o to, że najlepszy model może się zmieniać w zależności od poziomu reasoning effort, użycia narzędzi i projektu zadania. Ustawienia benchmarków należy traktować jako przesłanki do ułożenia planu testów, a nie jako substytut oceny promptów produkcyjnych.
Computer use, factuality, and limits
W offline’owej ewaluacji OSWorld 2.0 OpenAI, Sol osiągnął 60,5% przy xhigh effort. OpenAI raportowało również około dwukrotnie mniej błędów dla Sol w porównaniu do poprzednika GPT-5.6 na wewnętrznym zbiorze konwersacji wybranych dlatego, że użytkownicy zgłosili w nich błędy faktograficzne. Ten zbiór nie jest reprezentatywny dla typowego ruchu.
Na potrzeby wdrożeń oceń tryby zawodzenia, które są istotne dla Twojej aplikacji: nieprawidłowy wybór narzędzia, niekompletne wykonanie wieloetapowe, błędy względem schematu, błędy faktograficzne, latencję i koszt na zaakceptowany wynik. Niewielki, reprezentatywny zestaw ewaluacyjny jest bardziej użyteczny niż szeroki wynik na tablicy rankingowej.
How Much Do GPT-6 Sol and Luna Cost?
Oficjalna tabela cen OpenAI rozdziela stawki Standard dla krótkiego i długiego kontekstu. Ceny poniżej to USD za jeden milion tokenów. Prompt z ponad 272 000 tokenów wejścia używa stawek dla długiego kontekstu dla całego żądania, a nie tylko dla części powyżej progu.
| Stawka OpenAI Standard / 1 mln tokenów | GPT-6 Sol: krótki / długi | GPT-6 Luna: krótki / długi |
|---|---|---|
| Wejście | $2.00 / $4.00 | $0.10 / $0.20 |
| Wejście z cache | $0.20 / $0.40 | $0.01 / $0.02 |
| Zapis do cache | $2.50 / $5.00 | $0.125 / $0.25 |
| Wyjście | $10.00 / $15.00 | $0.50 / $0.75 |
Batch, Flex, Fast mode i kwalifikowane przetwarzanie regionalne mają odrębne stawki. Szacuj koszt z uwzględnieniem poziomu usługi, pełnej długości wejścia, długości wyjścia, zachowania cache, opłat za narzędzia i wskaźnika retry.
CometAPI pricing and availability snapshot
CometAPI obecnie wymienia zarówno GPT-6 Luna, jak i GPT-6 Sol w cenach o 20% niższych niż odpowiadające im stawki Standard API OpenAI dla krótkiego kontekstu. Dla GPT-6 Luna CometAPI pobiera $0.08 za milion tokenów wejścia i $0.40 za milion tokenów wyjścia, w porównaniu z $0.10/$0.50 w OpenAI. Katalog wymienia również obniżone ceny odczytu i zapisu z cache, z tym samym 20% rabatem.
GPT-6 Sol otrzymuje ten sam 20% rabat CometAPI. Jego stawka dla krótkiego kontekstu to $1.60 za milion tokenów wejścia i $8.00 za milion tokenów wyjścia, w porównaniu z cenami Standard OpenAI $2/$10. To czyni Sol istotnie droższym od Luna w przeliczeniu na token, ale te dwa modele celują w różne obciążenia: Sol jest projektowany do wymagającego kodowania i agentowych przepływów pracy, podczas gdy Luna kładzie nacisk na wydajne, wysokowolumenowe wnioskowanie.
| Model CometAPI | Status publiczny | Wejście/wyjście w krótkim kontekście | Interpretacja |
|---|---|---|---|
| GPT-6 Luna | Wymieniony z -20% | $0.08 / $0.40* | Wejście jest wyświetlane publicznie; wyjście to odpowiadające mu obliczenie z 20% rabatem. Sprawdź panel. |
| GPT-6 Sol | Wymieniony z -20% | $1.60 / $8.00* | Wejście jest wyświetlane publicznie; wyjście to odpowiadające mu obliczenie z 20% rabatem. Sprawdź panel. |
*Migawka z określonej daty i ujawnione obliczenie; nie stanowią gwarancji przyszłych cen ani dostępu do konta. Zobacz katalog modeli CometAPI oraz stronę cen.
GPT-6 Astra vs GPT-6 Sol vs GPT-6 Luna: How Should Developers Choose?
Te trzy modele należy porównywać przez pryzmat kosztu udanego przepływu pracy, a nie tylko specyfikacji. Astra oferuje najwyższy pułap możliwości, Sol równoważy silne rozumowanie z dużo niższą stawką za token, a Luna minimalizuje koszt jednostkowy w zadaniach o wyraźnych granicach i walidacji.
| Model | Wybierz, gdy | Kompromis operacyjny |
|---|---|---|
| GPT-6 Astra | Zadanie to najtrudniejsza praca end-to-end: niejednoznaczna, wysokokonsekwentna, narzędziowo intensywna lub kosztowna w przeglądzie. | Najwyższa cena tokena, ale może ograniczyć awarie downstream i interwencję człowieka w najtrudniejszych przypadkach. |
| GPT-6 Sol | Potrzebujesz silnej wydajności w kodowaniu i agentach bez płacenia stawek Astra za każde żądanie. | Silny domyślny wybór do wymagającej pracy produkcyjnej; sprawdź, czy dodatkowe możliwości redukują retry na tyle, by uzasadnić koszt względem Luna. |
| GPT-6 Luna | Praca jest wąska, mierzalna, wysokowolumenowa i chroniona schematami, zasadami lub próbkowaniem. | Najniższy koszt jednostkowy, ale słabe definicje zadań lub zła walidacja mogą zamienić oszczędności w koszty przeglądu i retry. |
Zalecany wzorzec routingu: wysyłaj rutynową, dobrze ograniczoną pracę do Luna; kieruj wymagające przypadki do Sol; zarezerwuj Astra dla zadań, gdzie złożoność, niejednoznaczność lub konsekwencje czynią wyższy pułap możliwości wartościowym. Sygnały eskalacji mogą obejmować nieudaną walidację, wymagania dotyczące narzędzi, niską pewność, nietypowo długie prompty lub wysoki koszt błędu.
Why Has GPT-6 Terra Not Been Released?
OpenAI nie ogłosiło modelu GPT-6 Terra ani nie podało przyczyny jego braku na dzień 23 września 2026 r. Jego publiczny katalog modeli GPT-6 wymienia Astra, Sol i Luna, a dziennik zmian API ogłasza Sol i Luna bez identyfikatora modelu Terra. Poprzednia generacja GPT-5.6 zawierała Terra, co tłumaczy pytanie, ale nie stanowi planu wydawniczego GPT-6.
Każde wyjaśnienie oparte na cenach, strategii oferty lub harmonogramie publikacji jest analizą, a nie oświadczeniem OpenAI. Do czasu opublikowania przez OpenAI strony modelu lub zapowiedzi, data wydania, specyfikacja, benchmark i cena GPT-6 Terra pozostają nieznane.
How Can Developers Access and Use GPT-6 Sol and Luna?
Use OpenAI directly
Oba identyfikatory modeli są aktywne w API Responses i Chat Completions OpenAI. Używaj Responses do rozumowania z wbudowanymi narzędziami i wywoływaniem funkcji. Chat Completions obsługuje zwykłe żądania, ale wywoływanie funkcji dla Sol i Luna wymaga ustawienia reasoning_effort na none.
Use CometAPI after checking the live route
CometAPI dokumentuje bazowy adres URL zgodny z OpenAI, więc zespoły mogą używać SDK OpenAI z kluczem CometAPI. Publiczny katalog obecnie wspiera użycie Luna jako bezpieczniejszego przykładu. Zastąp gpt-6-sol dopiero po potwierdzeniu na koncie, że trasa Sol jest włączona.
Jeśli Twój panel CometAPI dokumentuje wsparcie Responses i chat dla wybranej trasy, przetestuj ją osobno przed wdrożeniem. Rejestruj dostawcę, trasę, identyfikator modelu, ustawienie reasoning, latencję, tokeny, wynik walidacji i naliczony koszt, aby testy bramki były odróżnialne od testów bezpośrednio przez OpenAI.
Conclusion
GPT-6 Sol i GPT-6 Luna rozszerzają rodzinę GPT-6 o dwa różne profile ekonomiki obciążeń. Sol jest zbudowany do złożonego kodowania i agentowych przepływów pracy; Luna jest zaprojektowana do wydajnej, skupionej pracy na skalę. Astra pozostaje opcją do najtrudniejszych zadań end-to-end. Ponieważ wszystkie trzy wybory mogą wyglądać ekonomicznie w różnych warunkach, właściwym porównaniem jest koszt na zaakceptowany wynik — a nie długość kontekstu czy cena tokena w oderwaniu.
Zacznij od reprezentatywnego zestawu ewaluacyjnego. Mierz jakość, latencję, łączną liczbę tokenów, retry, błędy walidacji i czas przeglądu przez człowieka. Używaj opublikowanych identyfikatorów modeli OpenAI do bezpośredniego dostępu i zweryfikuj aktywną trasę CometAPI oraz ceny na koncie przed składaniem deklaracji o dostępności specyficznej dla bramki.